今天的內容會帶大家了解
1. 瞭解非監督式學習相關技術概要
2. 瞭解非監督式學習的應用場景
非監督式學習:機器學習的一種方法,它允許我們在對結果無法預知時接近問題
非監督式學習演算法只基於輸入資料找出模式,當我們無法確定尋找內容,或無標記 (y) 資料時
通常會用這個演算法,幫助我們了解資料模式、資料特性,或作為提升監督式學習效能的預處理步驟
適合非監督式學習的情境:在不清楚資料特性、問題定義、沒有標記的情況下
可透過非監督式學習技術幫助我們更了解資料模式、資料特性
或作為提升監督式學習效能的預處理步驟。
非監督式學習的挑戰:由於不像監督式學習算法有目標值,我們不易判斷模型是否真的學到隱藏資料中的模式
需要透過像是「輪廓分析」等方法評估分群的品質。
非監督式學習的應用分類:1. 分群
2. 關聯規則
3. 異常檢測
4. 降維
有了大概的理解之後,我們開始今天的學習吧!!!